Newsletter · · Ashutosh Agarwal

Fondateurs solos et agents d'IA redessinent l'organigramme des startups - How They Build - Semaine du 25 juillet 2026

How They Build synthétise les podcasts de fondateurs et d'opérateurs pour la semaine du 25 juillet 2026 : une personne à 1,5 million de dollars, six ingénieurs à 10 millions, écrire du code à la main comme motif de licenciement, et les directeurs financiers qui apprennent à payer la facture de tokens.

How They Build

Semaine du 25 juillet 2026 : Fondateurs solos et agents d'IA redessinent l'organigramme des startups

Une société de logiciels qui fait 1,5 million de dollars par an avec zéro employé, une entreprise où écrire du code à la main vous fait licencier, et la semaine où « l'entreprise native de l'IA » a cessé d'être une diapositive pour devenir l'organigramme. (Podcasts du 18 au 25 juillet 2026.)

Le chiffre de la semaine : 1,5 million de dollars de revenus, zéro employé

George Georgiardis dirige une société de logiciels appelée Happy Elites (aussi connue sous le nom de Happier Leads) qui aide les entreprises à identifier qui navigue discrètement sur leur site web, puis relance ces visiteurs par e-mail. Sur The SaaS Podcast, « Stuck at $50K ARR for 5 Years. Now $1.5M With AI Agents. » (23/07/2026), il a décrit la taille de l'entreprise en une phrase difficile à oublier :

« Right now it's zero team, so it's just myself and AI and I am on 1.5M ARR. It's like 100 people working for the business right now, or 24-7 self-healing things that can break. »

(ARR signifie simplement annual recurring revenue, la valeur annuelle de tous les abonnements.)

Ce qui fait de ce chiffre celui de la semaine, ce n'est pas seulement sa taille, mais sa forme : un humain, aucun employé, 1,5 million de dollars par an. Et ce n'était pas un conte de fées de l'IA du jour au lendemain. George est resté bloqué à 50 000 dollars d'ARR pendant cinq années consécutives, injectant son propre argent, puis de l'argent emprunté, pour maintenir l'entreprise en vie. « Plusieurs fois, j'ai pensé arrêter, parce que je gagnerais bien plus d'argent en étant salarié à temps plein », a-t-il dit. Il avait tenté et échoué à lever des fonds auprès de fonds de capital-risque, était passé par dix idées de projet différentes, et comptait, selon ses propres mots, « 88 personnes qui sont venues et parties » au fil des ans.

Puis deux choses ont changé, et toutes deux méritent d'être notées.

Premièrement, il s'est enfin concentré en profondeur sur un seul canal au lieu de tout faire superficiellement. Il possédait une base de données de 175 millions de contacts qu'il vendait à d'autres mais n'avait jamais utilisée lui-même. Il a commencé à envoyer des millions d'e-mails de prospection par an à partir de celle-ci, et, élément crucial, il possédait toute la chaîne. « J'ai construit les boîtes mail... je les obtiens en ce moment à un prix très, très, très bas par boîte mail », a-t-il dit, ce qui a finalement permis à l'économie unitaire de fonctionner. Sa règle empirique : « pour chaque dollar que vous mettez, vous devez en générer 1,2 ou 1,3 pour commencer à croître. »

Deuxièmement, et c'est la partie qui compte pour la façon dont les startups se construisent aujourd'hui, il a remplacé du personnel par des logiciels qu'il a écrits lui-même, à l'aide de l'IA. Il a résilié son abonnement Intercom à 500 dollars par mois et a construit son propre chatbot. Il a construit son propre CRM, son propre outil d'enregistrement de sessions (une version maison de Hotjar), et a tout relié à un « cerveau » d'IA :

« I built a brain, which is the AI brain. It's everything built in-house... AI that analyzes those session recordings and what people do... if there is a bug and they cannot move forward, AI can realize this and can... send emails to people to unblock them. »

Il a même automatisé la correction de bugs. Quand un client se plaint que son solde de crédit est erroné, le système « envoie un signal via l'IA pour examiner la base de données et le code source... trouver des problèmes, identifier des bugs, corriger les bugs », avec des garde-fous entre les deux pour empêcher des acteurs malveillants de le manipuler par prompt pour supprimer la base de données. Il appelle cela un logiciel capable de « s'auto-réparer ».

Voici le rebondissement honnête, et c'est la raison pour laquelle il s'agit d'un fondateur qui dit la vérité plutôt que de vendre un rêve : George pense désormais que le modèle solo-plus-IA a un plafond. L'animateur de l'émission a résumé la propre conclusion de George : il est « désormais convaincu qu'il ne peut pas construire une vraie entreprise seul avec juste de l'IA. Donc il recrute et constitue une équipe. » Une personne et un essaim d'agents peuvent vous amener à 1,5 million de dollars. Dépasser ce cap, du moins pour l'instant, semble encore nécessiter des humains.

Ce que les fondateurs ont changé cette semaine

L'entreprise à six ingénieurs, 10 millions de dollars, neuf heures. Sur The CTO Playbook, « 105: The CTO's real job when agents write the code » (20/07/2026), l'invité a décrit un fondateur qu'il avait rencontré, dont les chiffres semblent inventés jusqu'à ce qu'on s'y attarde :

« Six months back, he had zero revenue. Within six months, he has gone to $10 million worth of ARR... And he has six engineers. And he has close to 50 agents who work for him every day. From the time that he hears what a customer wants to when he implements that capability, it is less than nine hours. »

Il a replacé ce chiffre de neuf heures dans un contexte historique : les logiciels se construisaient autrefois selon des cycles « en cascade » qui « prenaient 18 mois, trois ans », puis l'agile a compressé cela à un mois, puis deux semaines. « Mais lui le fait en neuf heures. Neuf heures. » La propre entreprise de l'invité, plus de 1 000 personnes dans 50 pays, est en train de « réinventer toute notre entreprise autour de l'IA », de la finance au juridique en passant par les RH. Et il a offert la phrase la plus limpide de la semaine sur ce à quoi servent réellement les ingénieurs aujourd'hui : « Vous n'avez pas besoin d'ingénieurs pour écrire du logiciel. Vous avez besoin d'ingénieurs pour déterminer quoi faire pour les clients. »

« Si vous écrivez du code à la main, vous êtes viré. » C'est une consigne réelle, pas une blague. Sur [Un]Churned, « Why BCGx's Chief AI Officer thinks writing code by hand is a waste of time ft. Matthew Kropp (BCGx) » (22/07/2026), Kropp, associé senior chez BCG et codeur depuis l'âge de huit ans, l'a dit sans détour : « Quand j'ai des équipes qui travaillent pour moi sur mes projets, la première chose que je leur dis est : 'Si vous écrivez du code à la main, vous êtes virés.' Ce n'est pas une option. » (Il a précisé qu'il n'a en réalité jamais eu à licencier personne, parce que les gens qui choisissent de travailler avec lui sont déjà « acquis à l'IA ».)

Sa logique est que l'IA effectue désormais tout le travail de mise en place qui dévorait autrefois des semaines : « Une grande partie de ce que nous faisions jusqu'à présent était du gaspillage. On passait des jours, des semaines, des mois à mettre en place l'infrastructure de base... Cela n'avait aucune valeur. » Sa formule : « L'IA crée la référence de base. Tout ce que l'IA peut faire, vous ne devriez pas le faire, parce que si vous le faites, vous perdez votre temps. »

Kropp mène aussi une expérience véritablement audacieuse appelée Vesica, une tentative d'entreprise zéro humain. Il l'a entièrement dotée d'agents d'IA qui se sont donné leurs propres noms : un PDG appelé Apex, une stratège de marque appelée Muse, un chef de produit appelé Prism, et un Scrum Master appelé Forge. Kropp ne se qualifie pas lui-même de PDG. « Ils m'ont appelé 'le gouverneur'... APEX est le PDG. Ils ont les idées. Ils mettent tout en œuvre, et moi je suis juste là pour garder le contrôle. » Et ce n'est pas aussi marginal que ça en a l'air : les recherches de BCG ont montré que 30 % des personnes interrogées ont déclaré que leur entreprise avait déjà des « employés » IA dans l'organigramme. « Je pensais que ce serait 5 % », a dit Kropp. « J'ai été soufflé. »

Il a aussi été direct sur les raisons de la résistance des gens, et ce n'est pas principalement une question d'emplois, c'est une question d'identité. Il a lu à voix haute un extrait de journal intime d'un ingénieur dans l'un des programmes de formation de BCG : « Mon monde a été ébranlé. Je vois que l'IA peut coder aussi bien que moi. Ma valeur pour le monde, c'est que j'écris du code. Si l'IA peut écrire du code aussi bien que moi, alors quelle est ma valeur pour le monde ? »

« Tout le monde écrit du code », donc les intitulés de poste se dissolvent. Sur Odd Lots, « The Creator of Claude Code on The Hottest Piece of Software in the World » (20/07/2026), le créateur de Claude Code d'Anthropic a partagé un chiffre qui frappe fort quiconque emploie des ingénieurs : chez Anthropic, « la moyenne est de l'ordre de 90 % » du code désormais écrit par Claude Code, et pour lui personnellement, « 100 % de mon code a été écrit par quad code depuis novembre dernier. » Il suit ce changement en direct dans ses interventions devant les cohortes de startups de Y Combinator : il demandait auparavant qui utilise l'outil ; maintenant il demande qui écrit 100 % de son code avec, et « la première fois que j'ai posé cette question, peut-être un quart des mains se sont levées. Maintenant c'est un peu plus de la moitié. Et je parie que la prochaine fois... ce sera tout le monde. »

La conséquence, c'est que les cases nettes de l'organigramme fondent. « Tout le monde peut écrire du code, [donc] les rôles évoluent », a-t-il dit. Dans sa propre équipe, « tout le monde écrit du code, y compris nos designers, chefs de produit, responsables d'ingénierie. » Au lieu de « ingénierie contre design contre produit contre recherche utilisateur contre data science », il voit les gens se réorganiser en rôles entièrement nouveaux, selon l'étape de construction où ils excellent le plus :

  • Les prototypeurs, excellents pour la première idée et l'itération rapide.
  • Les bâtisseurs, qui prennent une nouvelle idée et en font un vrai produit.
  • Les mainteneurs, qui gardent le logiciel opérationnel une fois à l'échelle.
  • Les développeurs / scaleurs, qui prennent quelque chose ayant trouvé son product-market fit et le font passer à l'échelle x10 ou x100 (« très en vogue chez Anthropic en ce moment »).
  • Les finisseurs / perfectionneurs, qui peaufinent le produit et le code jusqu'à ce que les aspérités disparaissent.

Son avertissement aux grandes entreprises est le point stratégique le plus tranchant de l'épisode. Il a déterré un article de la Harvard Business Review de 1996 se demandant pourquoi les entreprises ne tiraient pas de gains de productivité du PC, alors nouveau. La réponse, hier comme aujourd'hui : les perdants ont relégué l'ordinateur « dans le coin du bureau » et en ont fait la tâche d'une seule personne de le nourrir, tandis que les gagnants « ont mis l'ordinateur au centre du bureau... ont tout numérisé et jeté les classeurs. » Son conseil pour le designer dont Claude fait désormais le travail dans un fil Slack n'est pas « laissez Claude répondre », mais « donnez à ce designer d'icônes mille Claude et laissez-le être le meilleur designer d'icônes au monde. »

L'organisation 100x, et la mort du plan d'effectifs. Sur AI to ROI, « Building the 100x Org - The CFO as AI Architect with Dan Zhang, CFO & CBO at ClickUp » (22/07/2026), le directeur financier de ClickUp a décrit avoir cartographié chaque « tâche à accomplir » de l'entreprise face à ce que l'IA peut désormais faire, et découvert que « 60 % des tâches à accomplir sont désormais entièrement automatisées par l'IA, pas par des effectifs humains. » Il prend soin de présenter cela comme du travail automatisé plutôt que des personnes licenciées, mais il est explicite sur où cela mène : « Ce n'est qu'une question de temps avant que cela se traduise dans les états financiers et le compte de résultat à long terme. » Il a aussi cité une victoire opérationnelle concrète : son équipe a réduit le temps de clôture des comptes mensuels « de huit jours à cinq jours. » Son conseil aux autres directeurs financiers est d'arrêter de courir après une « productivité » générique et d'ancrer tout à la tâche réelle : la tâche du directeur commercial est de générer du chiffre d'affaires, la tâche du DAF est de gérer la trésorerie et l'efficacité, et l'IA n'est que l'outil qui vous y mène. (Sa discipline sur le coût des tokens est si bonne qu'elle a droit à sa propre section ci-dessous.)

Le contre-exemple : maigre bien avant l'IA. Toutes les entreprises efficaces ne sont pas une histoire d'IA, et cela vaut la peine de s'en souvenir. Sur The Changelog, « Canary tokens and digital tripwires (Interview) » (21/07/2026), Haroon Meer de la société de cybersécurité Thinkst a exposé des chiffres qui remettent en perspective une bonne part du battage médiatique « natif de l'IA » : un peu plus de 50 personnes, 22,5 millions de dollars d'ARR, zéro vente sortante, et aucune hausse de prix depuis dix ans. « Nous avons maintenant des clients uniques qui nous paient plus de 1 million de dollars, et nous n'avons pas du tout le personnel pour faire cette vente », a-t-il dit. « Ils ont commencé avec 5 canaris... et maintenant ils en ont des milliers, parce que ça marche. » Thinkst est devenue maigre à l'ancienne, un produit vraiment bon et du bouche-à-oreille, et Meer écarte d'un revers de main les sociétés de capital-risque et de private equity qui n'arrêtent pas de lui demander s'il sait combien d'argent il « laisse sur la table. » Révélateur cependant, même lui voit où cela va : il construit son produit pour qu'il puisse « descendre à l'échelle d'une startup qui démarre avec 1 personne et 10 agents la semaine prochaine. »

Une sortie de fondateur maigre à noter. Sur Practical Founders Podcast, « #206: He Sold at $3M ARR and Got a 10X+ Exit to a PE Buyer - Eran Galperin » (24/07/2026), Galperin a raconté avoir vendu son logiciel de gestion de salles de sport GymDesk en 2024, à 3 millions de dollars d'ARR avec 13 à 16 employés, après l'avoir construit en solo, en tant que seul ingénieur, pendant six ans avant d'embaucher qui que ce soit. La composante cash s'élevait à « 32,5 millions de dollars », dont il a personnellement empoché « environ 24 » millions après impôts et frais. Sa formule pour cela : « des sorties à l'échelle du fondateur, pas des sorties à l'échelle du VC. » Un rappel que rester petit et tout posséder reste une stratégie, pas un lot de consolation.

La macro qui étaye tout ceci. Deux podcasts cette semaine ont apporté des recherches solides derrière les anecdotes :

  • Sur WSJ Tech News Briefing, « What Happens When Driverless Vehicles Break the Law? » (21/07/2026), la journaliste Lindsay Ellis a dressé le portrait de PointHound, une startup de bons plans de vols dont le PDG dirigeait une entreprise de 150 personnes à son apogée, il y a une décennie, et dirige désormais celle-ci avec quatre personnes. Interrogé sur le nombre de personnes supplémentaires dont il aurait besoin si cela décollait : « peut-être un ingénieur de plus, peut-être une personne pour aider au marketing. » Un document de travail de la Harvard Business School / INSEAD couvrant des milliers de startups a constaté que les entreprises natives de l'IA avaient 15 % de moins d'employés débutants, 15 % de moins de managers, et une proportion plus élevée d'ingénieurs. Le modèle émergent qu'elle a décrit est celui du « player-coach » : des managers qui continuent d'exécuter le travail eux-mêmes tout en supervisant un mélange d'humains et d'agents, avec « moins d'échelons entre le bas de l'échelle de l'entreprise et les cadres dirigeants. »

  • Sur Chat GPT Podcast, « How AI Native Startups Hit Billions Faster » (22/07/2026), les animateurs ont passé en revue un rapport de croissance d'AWS et une étude de Harvard portant sur près de 50 000 startups financées par du capital-risque. Les statistiques phares : les startups atteignent aujourd'hui une valorisation d'un milliard de dollars en 3,5 ans, la moitié des environ sept ans qu'il fallait avant l'arrivée de l'IA générative fin 2022, et 55 % des startups natives de l'IA génèrent plus de 400 000 dollars de revenus par employé, avec « des équipes de 20 personnes accomplissant le travail de 200. » L'organisation qui revient sans cesse est le « pod » : des équipes transverses de trois à cinq personnes en « forces spéciales », dotées de rôles tout nouveaux comme l'« ingénieur agentique » (qui conçoit comment les agents d'IA décident quels outils utiliser) et l'« ingénieur d'évaluation » (qui construit la notation automatisée qui empêche un modèle de dériver). La partie inconfortable : ils ont cité un chiffre de Forbes selon lequel 43 % de ces startups utilisent l'IA pour automatiser entièrement les tâches que les juniors accomplissaient autrefois, « mettre en forme des tableurs, écrire du code répétitif, faire des recherches basiques », ce qui soulève une question à laquelle personne n'a encore répondu : « si personne n'est jamais embauché comme junior, comment forme-t-on un jour la prochaine génération d'ingénieurs seniors ? »

Le coin des coûts

Si le thème des dernières semaines était « les dépenses d'IA explosent », cette semaine la conversation a mûri vers « voici exactement comment l'argent circule, et voici qui paie la note. »

Le budget sort de la masse salariale, délibérément. Sur AI to ROI, « AI is a Compensation Scale Expense » (21/07/2026), les animateurs ont exposé la plomberie de la façon dont les entreprises financent réellement leurs factures d'IA. Les budgets logiciels sont loin d'être assez grands, à environ 250 milliards de dollars de dépenses SaaS mondiales croissant de 8 à 11 % par an, « ce n'est pas suffisant pour financer la croissance dont nous venons de parler en IA. » L'argent vient donc du seul poste assez grand : la main-d'œuvre, qui représente « 20 % à 35 % du chiffre d'affaires total » pour les entreprises tech et SaaS. Le mécanisme est discret et délibéré, pas de grandes annonces de licenciements, mais simplement ne pas remplacer les personnes qui partent : « si vous avez un taux d'attrition annuel de 8 %, 10 % pour une entreprise de 5 000 personnes, cela libère 75 millions de dollars. » Leur preuve que cela se produit : l'ARR par employé dans les entreprises SaaS a augmenté de 25 à 35 %, passant d'environ 300 000 dollars à environ 400 000 dollars. Et selon Challenger, Gray & Christmas, plus de 113 000 travailleurs de la tech ont été licenciés dans 179 entreprises d'ici mi-mai 2026, 48 % de ces coupes étant explicitement imputées à l'IA, désormais la raison la plus citée. L'ampleur de la vague est stupéfiante : ils ont cité une projection de Gartner selon laquelle les dépenses en logiciels d'IA et en tokens passent d'environ 100 milliards de dollars en 2024 à 2 000 milliards de dollars d'ici 2030, un bond de 20x qui rivaliserait avec l'ensemble du marché SaaS vieux de 25 ans. Autres données de ce même épisode : les dépenses en logiciels natifs de l'IA en hausse de 108 % sur un an (et de près de 400 % dans les entreprises de plus de 10 000 employés), et 61 % des dirigeants IT déclarant avoir été contraints de réduire des projets à cause de dépassements de coûts d'IA non planifiés.

Le DAF qui surveille le compteur de tokens chaque jour. Dan Zhang de ClickUp, dans ce même épisode AI to ROI 100x Org (22/07/2026), incarne le modèle de la nouvelle discipline. Il a soutenu que la véritable crainte concernant l'IA n'est pas de savoir si elle rapporte, « le bénéfice de l'IA est si évident... le paieriez-vous de votre propre poche ? 100 % des gens disent oui », mais de savoir si l'on peut contrôler la dépense. Son équipe a donc « vibe-codé » un tableau de bord en direct qui leur donne « la vue de Dieu sur tout ce que les gens sollicitent », en récupérant l'usage « de Cursor à Replit en passant par Codex et Cloud Code », plus leurs propres outils internes, surveillé quotidiennement plutôt qu'en fin de mois. Sa règle d'allocation est un 80/20 net : « Nous voulons que 80 % des tokens aillent aux 20 % de tâches les plus importantes de l'entreprise. » Son avertissement à ses pairs : « Si les dépenses en tokens de votre équipe vous empêchent de dormir, je ne pense pas que ce soit un problème d'IA. Cela signifie probablement juste que vous n'avez pas mis en place une directive appropriée. » Et un chiffre qui montre à quel point sa discipline reste rare : il a cité une étude portant sur près de 500 entreprises où plus de 50 % avaient dépassé leur budget IA de 25 % ou plus. Le même épisode a évoqué une entreprise non nommée dont la facture d'IA aurait grimpé vers 500 millions de dollars par mois.

Le calcul est la nouvelle masse salariale, et il écrase les meilleures marges du monde des affaires. Le Chat GPT Podcast (22/07/2026) a formulé la version la plus tranchante de ce point. Le logiciel traditionnel avait « probablement le meilleur modèle économique de l'histoire du capitalisme », avec des marges brutes « généralement autour de 85 % » parce qu'ajouter un utilisateur de plus ne coûte quasiment rien, « la base de données ajoute juste une ligne. » Mais un produit d'IA doit réfléchir à chaque clic, et chaque token « coûte une fraction de cent » qui s'accumule vite : une startup traitant 100 millions de requêtes par mois « peut facilement faire face à une facture d'inférence mensuelle d'1 million de dollars. » Le résultat : les marges des logiciels natifs de l'IA sont tombées de ces fameux 85 % à environ 50-65 %. Comme l'ont dit les animateurs : « Le calcul est la nouvelle masse salariale... la dépense qui définit la décennie. » Tout ce que ces équipes maigres économisent sur les salaires humains, elles le reversent directement dans la puissance de calcul, et elles continuent d'augmenter leurs dépenses d'IA de 46 % sur un an.

Des tokens moins chers, mais des modèles de pointe plus onéreux. Sur The Twenty Minute VC (20VC), « Are OpenAI and Anthropic Overvalued?... with Lin Qiao, Founder and CEO @ Fireworks » (20/07/2026), la PDG de Fireworks a fait une prédiction qui joue dans les deux sens : « Je pense vraiment que le coût des tokens va baisser drastiquement, une réduction de coût de 10x dans les trois prochaines années. Et cette réduction de coût de 10x va entraîner un usage 100x. » Autrement dit, les prix unitaires baissent, mais les factures totales continuent de grimper parce que l'usage explose encore plus vite. Fireworks elle-même est un cas d'école de sobriété à l'ère de l'IA : environ 1 milliard de dollars d'ARR atteint en quatre ans tout en traitant « plus de 40 000 milliards de tokens quotidiennement », géré par une équipe de seulement environ 200 personnes. Dans l'épisode de suivi, 20VC, « OpenAI and Anthropic Threatened by Kimi?... » (23/07/2026), la même invitée a noté que Fireworks fonctionne avec « des marges brutes dans les 30 % », un rappel que la couche d'infrastructure gagne bien moins que les marges de 85 % avec lesquelles les investisseurs logiciels ont grandi.

Matthew Kropp de BCGx, dans l'épisode [Un]Churned (22/07/2026), a esquissé la direction que prend la tarification des modèles : un monde à paliers où l'on paie des tarifs premium uniquement là où cela en vaut la peine. « Je ne serais pas surpris que nous commencions à voir... un futur modèle qui soit superexpert sur, disons, la découverte de médicaments, et peut-être qu'ils facturent 10 000 dollars pour un million de tokens au lieu de 25, parce que c'est tellement précieux. Mais je n'ai pas besoin d'utiliser ça pour tout. » Utilisez le modèle coûteux pour la découverte de médicaments, a-t-il dit, et « un modèle moins cher pour planifier mes vacances. »

Une note de bas de page sceptique sur les chiffres phares. Enfin, une mise en garde à retenir de tout ce qui précède. Sur l'Elon Musk Podcast, « Anthropic overtakes OpenAI as most valuable startup » (23/07/2026), l'animateur a signalé que le fameux taux annuel courant de 47 milliards de dollars d'Anthropic, tant cité, « inclut des revenus facturés via des fournisseurs cloud qui prélèvent des parts substantielles via des accords de rétrocession, ce qui signifie que le revenu net réel pour Anthropic n'est qu'une fraction du chiffre affiché. » Les animateurs d'AI to ROI ont fait le même constat sur la mesure préférée de toute l'industrie : ce que ces laboratoires rapportent « n'est pas un véritable ARR. C'est un taux annualisé de revenu récurrent, c'est-à-dire qu'on prend le dernier mois et qu'on multiplie par 12. » Quand vous lisez qu'une entreprise d'IA affiche un taux annuel courant de 47 milliards ou 33 milliards de dollars, souvenez-vous que c'est un instantané annualisé, et, dans le cas de la part facturée via le cloud, un chiffre brut avant que l'intermédiaire ne prenne sa part.